库存既缺又积压？零售企业引入 AI 预测前必须做的功课

判断时关注的线索

人工预测缺货率和滞销率同时双高
SKU 数量增长超过人工经验可覆盖范围
促销活动前后的预测偏差显著放大
补货计划频繁需要紧急调整

典型场景演示。 本文用于解释业务信号的判断与人工核实方法，不代表真实客户、对话、合同、收入结果或转化数据。

具体业务情境

你是商品规划负责人。公司的库存管理正在陷入一个尴尬的循环：热销品频繁缺货——不是因为采购预算不够，而是因为预测偏低，备货不足；与此同时，部分长尾 SKU 的周转天数居高不下——不是因为产品不好，而是因为预测偏高，采购过量。缺货和滞销并存，库存周转率一直在恶化。

目前的预测流程是：每个品类负责人根据自己对该品类的经验、最近几周的销售趋势、以及即将到来的促销计划，手工填写下一周期的需求预测。这套方式在 SKU 数量较少、品类相对集中的时候勉强能维持。但随着品类扩张和 SKU 数量增长——从几百个增长到数千个——人工经验已经无法覆盖所有商品的预测粒度。品类的预测偏差开始分化：高频爆品的预测偏低，长尾慢品的预测偏高，季节性和促销驱动品的预测几乎每次都偏差巨大。

IT 部门提议引入 AI 驱动需求预测，财务部门支持——因为他们希望降低库存持有成本。你的挑战是：在引入 AI 之前，你有没有办法证明现在的人工预测到底有多不准？如果不能建立人工预测的基线，你就无法衡量 AI 带来的实际改进——也无法解释 AI 预测什么时候该信、什么时候该人工覆盖。

为什么先建基线比选模型更重要

在 AI 预测的选型过程中，最常见的错误是跳过基线直接比较模型精度。

没有基线，就没有改进的度量。 假设候选 AI 方案在测试集上做到了某个程度的预测精度——这个数字是高了还是低了？你无法判断，因为你不知道人工预测在同样的测试集上是什么水平。如果人工预测的精度实际上与 AI 方案接近，那么引入 AI 的巨大迁移成本——数据整理、系统集成、团队培训——可能并不划算。反过来，如果人工预测在特定品类或季节上的偏差远超预期，AI 方案的改进空间就可能很大。但无论哪种情况，你都需要先测出人工基线。

没有基线，就没有“该信谁”的判断规则。 即使引入了 AI 预测，在实际运营中仍然需要保留人工覆盖机制——这是共识。但什么时候该覆盖、什么时候该信模型？如果你知道人工预测在促销品的偏差方向和幅度，你就可以设定一条规则：当 AI 预测与人工预测的偏差超过一个阈值时触发审核，否则默认采纳 AI。如果不知道人工在哪个场景下偏哪边，你就没有规则可以设。

基线的另一个价值：暴露数据质量问题的来源。 在建立人工预测基线的过程中，你需要拉出历史人工预测值和实际销售值做对比。这个对比本身会暴露很多数据问题：促销期间的实际销售是不是受库存限制被压缩了（缺货导致销量看起来低，但实际上需求更高）？历史数据中是否记录了促销事件的时间和力度？新品的预测依据是什么——是类比老品还是有独立的判断逻辑？在你能回答这些问题之前，任何 AI 模型都是在垃圾数据上训练。

先核实哪些证据

在评估任何 AI 方案之前，先完成以下七项数据核实：

历史人工预测的准确性测量。 拉出过去四个季度所有 SKU 的人工预测值和对应周期的实际销售值。计算关键指标——按 SKU 维度、按品类维度、按时间维度（促销周 vs 非促销周、季初 vs 季末）。不要只看一个总体的 MAPE（平均绝对百分比误差），那个总体平均值可以掩盖巨大的品类间差异。画出每个品类的预测偏差分布——哪些品类系统性高估、哪些系统性低估、哪些偏差波动巨大。
缺货对历史销售数据的干扰。 历史销售数据不等于历史需求数据——如果某个 SKU 在某个周期缺货了，它的实际销售值被人为压低了。在建立基线时，需要标记出缺货期间，对这些期间的数据做需求归因处理——即估算如果不缺货销量应该是多少。如果不做这一步，你用缺货期间的销量当作需求，AI 模型会学到“这个 SKU 需求低”的错误结论——形成自我实现的预测循环。
促销事件的记录完整性。 促销是需求预测的最大干扰源。检查历史数据中促销事件的记录情况——促销开始和结束日期、折扣力度、促销渠道、是否参与平台大促活动。如果促销记录不完整或格式不一致，促销对需求的影响就无法被模型学习。先完善促销事件的数据字典，再训练模型。
季节性与外部因素的识别。 不同品类有不同的季节性模式——羽绒服和凉鞋的旺季是相反的。但除了自然的季节性外，还有外部事件的影响——天气异常、竞品促销、品类趋势变化。梳理出每个品类的已知季节性和已知外部影响因子。如果这些因子没有被标记在数据中，你需要在特征工程中手动补上。
SKU 生命周期阶段。 一个上市三个月的新品和一个上市三年的成熟品——它们的需求模式完全不同。新品的需求在爬坡期、历史数据少、波动大；成熟品的需求相对稳定、历史数据充足。在建立基线时，需要按 SKU 生命周期阶段分组测量——不能把新品和老品的预测精度混在一起算平均。
现有补货系统的数据接口。 AI 预测的最终输出需要进入补货系统才能产生库存决策。检查现有补货系统接收预测数据的格式、频率和接口限制。如果补货系统只能接收周级别的预测而 AI 方案输出的是日级别，那么粒度对齐就是一个实施障碍。如果补货系统不接受概率预测（只接受点预测），那么 AI 方案的概率输出能力就暂时用不上。
人工预测员的判断逻辑。 在淘汰人工预测之前，先理解人工预测员是怎么做判断的——他们看什么数据、依赖什么经验规则、在什么情况下会调整公式计算结果。这些隐性知识是 AI 建模的重要输入。如果直接替换人工而不保留这些判断逻辑，你可能会丢失模型无法从历史数据中学到的业务因果关系。

人工下一步

基线建立后，按三步走：

第一，用基线确定 AI 的切入品类和场景。 不是所有品类都需要 AI——对于那些人工预测已经比较准、波动小的品类，AI 的增量价值有限。用基线数据画一个四象限：横轴是预测难度（人工偏差大小），纵轴是业务重要性（销售额或毛利贡献）。优先在“高难度 × 高重要”象限引入 AI——这部分是 AI 投入产出比最高的区域。对于“低难度 × 低重要”象限，维持人工预测即可，不值得为这些 SKU 支付 AI 的系统迁移成本。

第二，在相同数据上做 AI 与人工的公平对比。 使用相同的时间窗口和相同的评估指标，分别计算人工预测和候选 AI 方案的预测精度。但不止看总体精度——要看品类维度和时间维度的细分对比：AI 在哪些品类上显著优于人工、在哪些品类上反而更差？AI 在促销期间的预测是否比人工更稳健？如果 AI 在促销品的预测上仍然偏差大，那么问题可能出在促销数据的记录质量上，而非模型本身。

第三，设定人工覆盖规则。 基于对比结果，设计一套覆盖规则：在什么条件下采用 AI 预测、在什么条件下触发人工审核、在什么条件下以人工预测为准。规则的参数——偏差阈值、品类范围、时间条件——从对比数据中推导，不为拍脑袋。上线后持续追踪人工覆盖的发生频率和覆盖后的预测准确度变化，如果覆盖频率持续升高，说明 AI 方案的适用场景可能被高估了。

不能从群消息确认什么

群里可能有人说“XX 公司用了 YY 方案效果好”“某个开源模型在 Kaggle 零售预测比赛上排名很高”“直接买一个现成的预测 API 就行”——这些是方向参考，不是你的选型依据。群消息不能确认以下任何一项：

你的历史销售数据中缺货干扰的程度
你的促销数据是否完备到可以用于模型训练
你的品类中人工预测的实际偏差水平
候选 AI 方案在你的数据上比人工预测好多少
在哪个品类和场景下 AI 预测不可信需要人工介入

上述每一项都必须来自你自己的历史数据分析和人工预测基线测量。AI 预测选型的核心问题不是“哪个模型最先进”，而是“在你的数据、你的品类、你的运营约束下，AI 能比现状好多少且好在哪里”。回答这个问题不需要 AI 厂商的演示——它需要你先把人工预测的账算清楚。

本文为业务场景演示，旨在说明零售企业 AI 需求预测选型中的典型证据核实与决策顺序。文中不涉及具体企业名称、AI 厂商品牌、合同金额、预测精度数据或结果承诺。实际操作请以企业实际销售数据、系统能力及采购审批流程为准。

常见问题

AI 预测比人工预测好在哪，是不是精度一定更高？

不一定。AI 预测的真正优势不在于'一定比人准'，而在于'一致性'和'可规模化'。一个有经验的买手可能对他熟悉的品类预测很准，但他的判断难以复制到新品类或新市场——而且他在疲劳、时间紧迫或信息不全时的判断质量会波动。AI 模型不会疲劳，但它的精度上限取决于训练数据的质量和特征的完备性。如果历史数据中促销事件的记录不全、缺货期间的销量被人为压缩在数据中表现为'低需求'而非'缺货'，那么任何 AI 模型都会学到错误的模式。所以第一步不是比谁更准——而是比谁的预测偏差可以追溯原因。

要不要追求精度最高的模型？

不一定。在一定精度水平之上，可解释性比额外的精度提升更有价值。如果一个模型告诉你'下个月这个 SKU 要备多少件'但不告诉你为什么，当预测出错时你无法判断是数据问题、特征遗漏还是模型局限——你只能盲目调整库存。而一个可解释的模型可以告诉你'因为去年同期这个 SKU 有促销而今年没有，所以预测下调了某个比例'——这样即使预测不准，你也能决定是否人工覆盖。在实际运营中，一个可解释且精度尚佳的模型比一个黑箱高精度模型更安全。